- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
很抱歉问一个基本问题。我敢肯定答案很简单,但我已经用头撞墙了一段时间试图找出答案。我是 python 的新手,但我了解矢量化计算的概念。例如,在以下(非常简单的)代码段中:
import pandas as pd
ndx = ['a', 'b', 'c', 'd', 'e', 'f']
first = [3, 7, 2, 5, 9, 4]
second = [8, 9, 7, 3, 3, 7]
first = pd.DataFrame(first, index = ndx)
second = pd.DataFrame(second, index = ndx)
我知道 first > second 将返回一个 bool 数组 True,其中 a 中的每个元素都大于 b 中的对应元素,与索引匹配。我知道这种严格的索引匹配是使用 pandas 的好处之一,但是......
问题:如何在向量化操作中有效地引用“偏移”索引?例如,如果我想将 b 中的下一个值与 a 中的当前值进行比较 (first['a'] > second['b'], first['b'] > second['c'], . ..)?同样,如果我只想在 first['a'] 大于 second['a] 和 second['b'] 时返回 True 怎么办?
我已经编写了一些代码来执行这样的操作,通过索引遍历数组。这是一个例子:
if next.at[curr.index[i], 'OI'] > curr.OI[i] and \
next.at[curr.index[i+1], 'OI'] > curr.OI[i+1] and \
next.at[curr.index[i], 'Vol'] > curr.Vol[i] and \
next.at[curr.index[i+1], 'Vol'] > curr.Vol[i+1]:
(next 和 curr 是数据帧。OI 和 Vol 是这些数据帧中的列,i 是我的计数器。)我知道这不是 pythonic,而且它也非常慢(这......嗯......可能是它不是的原因pythonic?哈哈)
提前谢谢你。
总结:一般问题是如何在 pandas(和 numpy)中引用偏移元素。
编辑:感谢 Jaime 和 TomAugspurger 对下面 np 和 pd 的回答。明白了……有道理。
后续问题:如何使用不同长度的数据帧实现 pandas shift?想象一下,我有两个重叠的时间序列,但一个在另一个之前延伸,另一个在另一个之后延伸。所以每个索引中都有不匹配的值,并且索引(几乎可以肯定)是不同的长度。 pandas 不允许 shift() 出现此错误:
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-15-35914edbe0ff> in <module>()
----> 1 aa = q['OI'] > r['OI']
C:\Python27\lib\site-packages\pandas\core\ops.pyc in wrapper(self, other)
540 name = _maybe_match_name(self, other)
541 if len(self) != len(other):
--> 542 raise ValueError('Series lengths must match to compare')
543 return self._constructor(na_op(self.values, other.values),
544 index=self.index, name=name)
ValueError: Series lengths must match to compare
我想我可以采取一个步骤并采用由索引并集定义的集合,但这似乎是一个效率低下的额外步骤。 (我正在努力学习正确的编码实践,而不是简单地让我的项目工作。)对此有什么想法吗?提前谢谢你。
最佳答案
不确定 pandas,但在 numpy 中,您可以通过比较偏移切片来执行此类操作。以“将下一个值与当前值进行比较”为例,您可以执行以下操作:
>>> first = np.array([3, 7, 2, 5, 9, 4])
>>> second = np.array([8, 9, 7, 3, 3, 7])
>>> first[:-1] > second[1:]
array([False, False, False, True, True], dtype=bool)
切片显然不会将 first
的最后一个元素或 second
的第一个元素与任何内容进行比较。
关于python - 矢量化计算中的简单 pandas/numpy 'indexing',我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21566012/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!